Fitness-to-drive Disagreements in Individuals With Dementia
Notice bibliographique
Résumé
Purpose of the Study: We sought to investigate the agreement between medical and practical fitness-to-drive recommendations in active drivers with dementia. Design and Methods: In this retrospective study, 68 patients underwent medical, visual, and road tests at an official center of the Belgian Road Safety Institute. Physicians provided medical fitness-to-drive recommendations using 1 of 3 categories (favorable, reserved, or unfavorable). On-road assessors used the same 3 categories to make practical fitness-to-drive recommendations. Agreement between the medical and practical fitness-to-drive recommendations was calculated using the percentage of agreement (p0) and weighted kappa (kw). Results: Low agreement was found between physicians and on-road assessors regarding their fitness-to-drive recommendations (p0 = 43%, kw = 0.11, p = .20). Compared with the on-road assessors, the physicians overestimated the fitness to drive of 24 (35%) patients and underestimated the fitness to drive of 15 (22%) patients. Patients who incurred more traffic violations were more likely to be overestimated than underestimated by the physician (p = .03). Implications: This study showed disagreements between the fitness-to-drive recommendations made by the physicians and the on-road assessors in more than half of drivers with dementia. Efforts need to be made to improve the communication between physicians and on-road assessors for joint decision making of fitness to drive in dementia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».